基于极限学习机的上证指数预测与分析
谭立云1
刘海生1
谭龙2
1.华北科技学院基础部,北京 东燕郊,1016012.武汉大学经济与管理学院,湖北 武汉,430072
摘要：针对证券指数具有随机性、时变、波动性较大、非线性等特点，传统线性预测方法预测精度低等缺陷，提出了一种基于极限学习机的证券指数预测方法。极限学习机克服了BP神经网络的训练速度慢、过拟合、局部极值等缺陷，具有训练速度快、全局最优和泛化能力优异等优点。采用1991～2013年上证指数对算法性能进行训练，2014年数据做测试，对100个测试数据仿真结果表明，复相关系数高达0.9935，极限学习机是一种预测精度高、误差小的证券指数预测算法，预测结果可以为用户提供有价值的参考意见。
关键词：BP神经网络ELM极限学习机上证开盘指数预测
分类号：TP391(计算技术、计算机技术)
资助基金：中央高校基本科研业务费专项(3142014127)华北科技学院重点学科应用数学项目(HKXJZD201402)
论文发表日期：2014-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 57-60 )
英文信息